[发明专利]基于PCA演进的大规模MIMO信道反馈方法

说明书

技术领域

本申请涉及无线通信技术领域信道状态信息反馈方法，特别涉及一种基于PCA演进的大规模MIMO信道状态信息压缩反馈方法。

背景技术

多输入多输出(Multiple-Input Multiple-Output，MIMO)技术是指在发射端和接收端分别使用多个发射天线和接收天线，使信号通过发射端与接收端的多个天线传送和接收，从而改善通信质量。它能充分利用空间资源，通过多个天线实现多发多收，在不增加频谱资源和天线发射功率的情况下，可以成倍的提高系统信道容量，被视为下一代移动通信的核心技术。正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)是一种有效的调制方案，它将信道分成若干正交子信道，将高速数据信号转换成并行的低速子数据流，调制到在每个子信道上进行传输。接收端采用相关技术来将正交信号分开，减少了子信道之间的相互干扰。每个子信道上的信号带宽小于信道的相关带宽，因此每个子信道上的可以看成平坦性衰落，从而可以消除符号间干扰。

移动通信大规模MIMO-OFDM系统中，为实现使用预编码技术将能量集中到目标移动终端上，一般由接收端将估计出来的信道信息通过反馈信道反馈给发射端，让发送端实时的获得准确的下行信道的信道信息。但随着大规模MIMO技术推进，天线数量会大幅增加，如果将下行链路信道信息直接完全反馈给发射端，会极大增加容量损失，所以对信道信息的压缩反馈方式成为研究的热点。

主成分分析(Principal Component Analysis，PCA)，也称主分量分析或矩阵数据分析，一种数据分析的技术，主要思想是将高维数据投影到较低维空间，提取多元事物的主要因素，揭示其本质特征。它可以高效地找出数据中的主要部分，将原有的复杂数据降维，去除整个数据中的噪音和冗余，将把相关的变量变为若干不相关的综合指标变量，是一种最小均方意义上的最优变换，目的是去除输入随机向量之间的相关性，突出原始数据中的隐含特性。主成分分析方法的优势在于数据压缩以及对多维数据进行降维，操作简单，且没有参数限制，可以方便的应用于各个场合。因此，将PCA用于大规模MIMO系统的信道状态信息压缩中，可以减少反馈开销。但是，现提出的使用PCA对信道信息压缩的方法大多只考虑了空间域或频域一个域内的相关性，且目前对于主要成分提取的选择矩阵需要动态更新，这无疑从另一方面增加了反馈量并提高了计算复杂度。

综上，现在已经出现的大规模MIMO系统中信道状态信息反馈方法，针对它们计算方法复杂度高、反馈量大、反馈精度较低等问题，现提出基于主成分分析演进的大规模MIMO-OFDM信道信息反馈方法，考虑信道信息在空域频域两个维度的相关性，结合分簇思想，将大量信道状态信息压缩反馈到发射端并进行重构操作。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于PCA演进的大规模MIMO-OFDM系统信道反馈方法。

发明目的：为了实现在大规模MIMO-OFDM系统中，对信道状态信息进行压缩后的反馈，本发明提出了一种基于PCA演进的信道信息压缩方法来反馈高度相关的信道状态信息。该方法首先考虑空域和频域两个域内的信道特性，通过获取下行信道相关特性参数建立信道模型；然后将矢量化后的信道状态信息即信道向量进行分簇，提高信道状态信息的相关性和压缩性，以便对每一簇内的高维信道状态信息降低到低维数据；其次，在收发两端计算特性参数信道模型每一簇内信道状态信息的协方差矩阵以及稀疏矩阵，在接收端，通过选择矩阵提取稀疏向量主要成分，使选定的稀疏信道向量满足各元素之和最大原则；最后将选定的信道信息及选择矩阵的码字索引反馈到发射端进行信道状态信息的重构。

为了实现本发明的上述目的，本发明提供了一种基于PCA演进的大规模MIMO-OFDM系统信道反馈方法，其特征包括：

S1，获取下行信道相关特性参数，建立信道模型。

S2，将信道向量h_k进行分簇，根据信道特性参数计算出每一簇信道状态信息的协方差矩阵，并通过协方差矩阵的特征值分解获得稀疏矩阵。

S3，预定义一个收发两端都已知的二进制选择矩阵码本，根据选定的稀疏信道向量各元素之和最大原则选取最优的选择矩阵。

所述的基于PCA演进的大规模MIMO-OFDM系统信道反馈方法，其特征在于，所述S1包括：